Python网络爬虫技术（2020年秋季学期）

江学为

目录

  • 1 【课程导学】
    • 1.1 1.课程介绍
    • 1.2 2.教学文件
    • 1.3 3.考核方案
    • 1.4 4.课程设计
    • 1.5 5.教学团队
    • 1.6 6.课堂实录
    • 1.7 7.课程获奖
  • 2 模块一 初识网络爬虫
    • 2.1 【你知道什么是大数据吗？】
    • 2.2 【目标树立】
    • 2.3 【学习内容】任务一：认识爬虫与robots协议
    • 2.4 【学习内容】任务二：认识反爬虫
    • 2.5 【学习内容】任务三：开发环境准备
    • 2.6 【知识拓展】网站robots协议含义解析
    • 2.7 【单元过关】
    • 2.8 【答疑讨论】
  • 3 模块二 网页数据获取
    • 3.1 【大数据时代性，个人隐私如何保护？】
    • 3.2 【目标树立】
    • 3.3 【学习内容】任务一：谷歌浏览器开发者模式介绍
    • 3.4 【学习内容】任务二：requests库获取静态网页数据
    • 3.5 【学习内容】任务三：requests库获取动态网页数据
    • 3.6 【学习内容】任务四：urlLib获取网页数据
    • 3.7 【知识拓展】“京东”“亚马逊”网站数据抓取
    • 3.8 【单元过关】
    • 3.9 【答疑讨论】
  • 4 模块三 网页数据解析
    • 4.1 【数据爬取的合理边界在哪里？】
    • 4.2 【目标树立】
    • 4.3 【学习内容】任务一：正则表达式解析
    • 4.4 【学习内容】任务二：XPath与lxml解析
    • 4.5 【学习内容】任务三：Beautitul Soup解析
    • 4.6 【知识拓展】“美食杰”网站数据解析
    • 4.7 【单元过关】
    • 4.8 【答疑讨论】
  • 5 模块四 网页数据存储
    • 5.1 【爬取的数据保存后一定安全吗？】
    • 5.2 【目标树立】
    • 5.3 【学习内容】任务一：数据存储到文本文件中
    • 5.4 【学习内容】任务二：数据存储到MySQL数据库中
    • 5.5 【学习内容】任务三：数据存储到Mongo数据库中
    • 5.6 【知识拓展】“豆瓣”电影数据获取与存储
    • 5.7 【单元过关】
    • 5.8 【答疑讨论】
  • 6 模块五  常规动态网页数据爬取
    • 6.1 【目标树立】
    • 6.2 【学习内容】任务一：Selenium库安装及浏览器补丁下载
    • 6.3 【学习内容】任务二：Selenium快速入门
    • 6.4 【学习内容】任务三：元素选取
    • 6.5 【知识拓展】“斗鱼”网站数据获取
    • 6.6 【单元过关】
    • 6.7 【答疑讨论】
  • 7 模块六：综合案例
    • 7.1 项目需求：世界大学城空间留言板数据爬取
    • 7.2 项目需求：链家长沙楼盘信息爬取
    • 7.3 项目需求：猫眼电影网站电影信息爬取
    • 7.4 项目需求：斗鱼网站信息爬取
    • 7.5 项目展示与代码示例
【学习内容】任务一：正则表达式解析
  • 1 知识讲解
  • 2 知识点ppt
  • 3 课堂实训
  • 4 讨论

正则表达式概述

简介：

       通过本视频的学习，使得同学们初步了解了正则表达式。具体的知识如下：

    1、正则表达式的使用场景

    2、正则表达式的定义

    3、re模块的介绍



正则字符集

简介：

       通过本视频的学习，使得同学们初握正则表达式的字符集。具体的知识如下：

    1、单个字符集

    2、数量字符集



正则边界

简介：

       通过本视频的学习，使得同学们掌握正则边界。具体的知识如下：

    正则边界字符




正则分组

简介：

       通过本视频的学习，使得同学们掌握正则分组。



re模块常用方法